犀牛派 X1 QCS8550 部署 OpenClaw 教程

番茄ROS机器人 2026-09-20 09:52:22

番茄听说 OpenClaw 最近在各大群中已经杀疯了,番茄决定要用最接近物理AI的方式带大家抢先体验一下。

介绍一下相关概念:

 物理 AI(Physical AI):是融合物理规律与人工智能技术的交叉领域,核心是赋予 AI 系统理解、推理和预测真实物理世界运行规则的能力,使其能通过实体载体(如机器人、自动驾驶车辆)与物理环境进行安全、高效的自主交互。

OpenClaw:非传统聊天机器人,而是本地运行的 AI 驱动自动化执行平台,核心价值在于:

  • 数据自主可控:所有交互数据、配置与密钥存储在本地设备,规避云端隐私泄露风险。

  • 全链路执行:自动拆解任务、调用工具与系统接口,完成文件操作、命令执行、信息查询等闭环流程。

  • 多渠道交互:通过 WhatsApp、Telegram、飞书、钉钉等即时通讯工具,以自然语言远程下达指令。

 

 

犀牛派 X1 QCS8550:犀牛派 X1 (Rhino Pi-X1) 是一款基于 Qualcomm® QCS8550 平台的高性能嵌入式计算设备,专为边缘人工智能、工业物联网和智能计算终端设计。

介绍完基本概念,下面进入本文的正题,在边缘计算开发板上部署 OpenClaw,最后再带大家体验一下这个神秘的工具~

番茄得到消息,已经有博主做出了 Box 版本的 OpenClow 了~

 功能上大概是这个样子~

 也可以直接揣在裤兜里边~

 还有那些神奇的应用场景~

 

好了,进入正题。

安装 OpenClaw

作为新用户,坚决遵循官方的指导,体验为先,必须使用一键安装,命令如下:


#登录开发板
ssh aidlux@ip

#一键安装
curl -fsSL https://clawd.org.cn/install.sh | bash

安装过程如下图所示:

 需要耐心等待一会安装过程...

 安装向导

安装完成后,输入如下命令进入快速配置向导:


openclaw onboard

 询问你是否已经了解了有关风险,这里需要选择 yes ,回车键确认。

 选择 QuickStart 模式,回车键确认,继续下一步。

 由于作者本地已经配置成功一次了,所以选择 Update values,如果你是第一次安装,不会看到这个提示,回车键确认,继续下一步。

 在模型提供商这里选择 Qwen ,你也可以使用本地部署的大模型,比如 lmstudio,这里为了方便快速体验,所以选择现成的联网的免费大模型,对于快速体验与演示足够使用了,回车键确认,继续下一步。

 选择 Qwen OAuth 授权方式,回车键确认,继续下一步。

 到这里的一步,你需要打开你的浏览器,复制终端里边给出的网址,在浏览器中打开进行大模型调用的授权,如下图所以,可以使用你的 github 账号登录:

 登录授权完成之后,你需要重新使用上述的授权地址,在浏览器中重新打开一次上述授权网址,因为需要在用户登录的状态下进行授权。

这时候会出现如下图所示的登录账号确认提示,点击确认进行授权。

 授权成功之后,会出现如下图所示的提示窗口,然后终端窗口会自动进行到下一步操作。

 默认模型选择,这里保持默认选择 Keep current (qwen-portal/coder-model) ,回车键确认,继续下一步。

 选择 Channel 通道这里,为了快速体验,选择 Skip for now 暂时先跳过。

 skills 技能这部分暂时先不用配置,选择 no ,回车键确认,继续下一步。

 hook 这部分也暂时先跳过,选择 Skip for now,先按空格选择,再回车键确认,继续下一步。

 由于作者这里已经安装过一次了,所以会提示服务已经存在。选择 Restart 重新启动服务即可,回车键确认,继续下一步。

 不出意外的话,你将来到最后一步的确认操作,保持选择 Hatch in TUI (recommended) ,回车键确认。

稍等片刻,最终将会看到终端打印如下所示的提示信息。

配置端口转发

 

 


ssh -N -L 18789:127.0.0.1:18789 aidlux@192.168.10.11

注:192.168.10.11 是开发板的IP地址。

 

 

 

 

 

 

 

 

...全文
68 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文系统研究了基于雅可比伪逆迭代的双臂协同轨迹规划与跟踪误差收敛性问题,结合机械臂正向与逆向运动学建模、蒙特卡洛法分析工作空间、笛卡尔空间内的圆弧轨迹生成等关键技术,利用Matlab实现了双臂系统的协同控制与轨迹跟踪仿真。重点探讨了雅可比矩阵伪逆法在解决冗余自由度机械臂逆运动学问题中的应用,深入分析了轨迹跟踪过程中误差的收敛特性,并通过仿真实验验证了该方法在复杂任务场景下的有效性、稳定性与鲁棒性,为多臂机器人在工业自动化、精密操作等领域的协同作业提供了理论依据与技术支持。; 适合人群:具备机器人学、自动控制理论基础及Matlab编程能力的科研人员与工程技术人员,特别适合从事机械臂控制、轨迹规划、多机器人协同等方向的硕士、博士研究生及相关领域研究人员。; 使用场景及目标:①掌握基于雅可比伪逆法的机械臂逆运动学求解原理与实现方法;②理解双臂系统在笛卡尔空间中协同轨迹规划的机制;③分析并优化轨迹跟踪过程中的误差收敛性能;④为多机器人系统在复杂动态环境下的高精度协同控制提供算法设计与仿真验证支持。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,按照文档目录循序渐进地学习,重点关注算法实现细节、仿真参数设置与结果分析部分,同时可进一步探索将智能优化算法或深度学习方法引入轨迹规划与误差补偿的研究方向。

7,832

社区成员

发帖
与我相关
我的任务
社区描述
本论坛以AI、IoT、PC 、XR、Auto等核心板块组成,为开发者提供便捷及高效的学习和交流平台。 高通开发者专区主页:https://qualcomm.csdn.net/
物联网人工智能开源 企业社区 北京·东城区
社区管理员
  • csdnsqst0050
  • chipseeker
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧